Chercheurs à Duke University Medical Center ont développé un système de détection assistée par ordinateur (CAO) basé sur l'apprentissage en profondeur pour identifier les métastases cérébrales difficiles à détecter sur les images IRM. L'algorithme présentait une sensibilité et une spécificité excellentes, surpassant les autres systèmes de CAO en développement. L'outil montre le potentiel de permettre une identification plus précoce des métastases cérébrales émergentes, leur permettant d'être ciblées par la radiochirurgie stéréotaxique (SRS) lorsqu'elles apparaissent pour la première fois et, pour certains patients, de réduire le nombre de traitements requis.
Le SRS, qui utilise des faisceaux de photons focalisés avec précision pour délivrer une dose élevée de rayonnement à des cibles dans le cerveau en une seule séance de radiothérapie, évolue pour devenir le traitement de référence pour les patients présentant un nombre limité de métastases cérébrales. Pour cibler une métastase, cependant, elle doit d'abord être identifiée sur une image IRM. Malheureusement, environ 10 % ne le sont pas, 30 % pour ceux qui mesurent moins de 3 mm, même lorsqu'ils sont examinés par des neuroradiologues experts.
Lorsque ces métastases cérébrales non découvertes - que les chercheurs appellent des métastases identifiées rétrospectivement (RIM) - sont identifiées lors d'examens IRM ultérieurs, un deuxième traitement SRS est généralement nécessaire. Un tel traitement est coûteux, et peut être inconfortable et invasif, nécessitant parfois une immobilisation de la tête avec un cadre fixé au crâne par des broches.
Lors de la récente réunion annuelle d'ASTRO, Devon Godfrey ont expliqué que les chercheurs ont conçu le système CAO basé sur le réseau neuronal convolutif (CNN) spécifiquement pour améliorer la détection et la segmentation des RIM difficiles à détecter et des très petites métastases identifiées de manière prospective (PIM). Godfrey et ses collègues décrivent les tests et la validation de ce système dans le Journal international de radio-oncologie Biologie Physique.
L'équipe a formé l'outil CAD sur les données IRM (une séquence d'écho de gradient gâté à contraste amélioré) de 135 patients présentant 563 métastases cérébrales. Les images ont été acquises à l'aide de scanners IRM 1.5 T et 3.0 T de différents fournisseurs dans plusieurs sites de Duke Health. Au total, l'ensemble de données comprenait 491 PIM avec un diamètre médian de 6.7 mm et 72 RIM de 32 patients, avec un diamètre médian de 2.7 mm.
Pour identifier les RIM, les chercheurs ont examiné les images IRM originales de chaque patient pour rechercher des signes d'amélioration du contraste à l'endroit exact où une métastase a ensuite été détectée. Après examen, ils ont classé chaque RIM comme ayant satisfait aux critères de diagnostic basés sur l'imagerie (+DC) ou ayant des informations visuelles insuffisantes (-DC) pour être identifié comme une métastase.
Les chercheurs ont randomisé l'ensemble de données des RIM et des PIM en cinq groupes, en utilisant quatre d'entre eux pour le développement de modèles et d'algorithmes et un comme groupe de test. "L'inclusion des RIM +DC et -DC a entraîné les sensibilités les plus élevées pour chaque catégorie et taille de métastases cérébrales, tout en renvoyant le taux de faux positifs le plus bas et la valeur prédictive positive la plus élevée", rapportent-ils. "Cela montre un avantage évident à inclure un échantillonnage surpondéré de petites métastases cérébrales difficiles dans les données de formation CAO."
Pour les PIM et les RIM +DC – qui présentent des caractéristiques claires de métastases en IRM – le modèle a atteint une sensibilité globale de 93 %, allant de 100 % pour les lésions de plus de 6 mm de diamètre à 79 % pour celles de moins de 3 mm. Le taux de faux positifs était également incroyablement bas, avec une moyenne de 2.7 par personne, contre 35 à XNUMX dans d'autres systèmes de CAO avec une sensibilité de détection comparable pour les petites lésions.
Le système de CAO a également été en mesure de détecter certains des RIM -DC dans les ensembles de développement et de test. L'identification des métastases cérébrales à ce stade précoce serait un grand avantage clinique, car ces lésions pourraient alors être surveillées de manière plus approfondie par imagerie, incitant à un traitement si nécessaire.
L'équipe de Duke travaille actuellement à améliorer la précision de l'outil de CAO en utilisant plusieurs séquences MR. Godfrey explique que les études d'IRM cérébrale incluent presque toujours plusieurs séquences IRM qui produisent des informations uniques sur chaque voxel du cerveau. "Nous pensons que l'intégration des informations supplémentaires disponibles à partir de ces autres séquences devrait améliorer sa précision", dit-il.
Godfrey note que les chercheurs ne sont qu'à quelques semaines du lancement d'une étude d'utilisation clinique prospective simulée du système de CAO existant pour étudier l'impact de l'outil sur la prise de décision clinique par les radiologues et les radio-oncologues.
L'apprentissage en profondeur aide les radiologues à détecter le cancer du poumon sur les radiographies pulmonaires
«Plusieurs neuroradiologues experts et oncologues neuro-radiologues qui pratiquent la SRS se verront présenter des IRM cérébrales. On leur demandera de trouver toute lésion qui pourrait être une métastase cérébrale, d'évaluer leur niveau de confiance et d'indiquer s'ils traiteraient la lésion avec SRS, en fonction de son apparition sur les images », a-t-il déclaré. Monde de la physique. "Nous leur présenterons ensuite les prédictions de la CAD et évaluerons l'impact de la CAD sur les décisions cliniques de chaque médecin."
Si cette étude de simulation donne des résultats prometteurs, Godfrey prévoit de déployer l'outil de CAO pour aider à identifier prospectivement les métastases cérébrales difficiles chez les nouveaux patients traités à la clinique de radio-oncologie Duke dans le cadre d'un protocole de recherche, peut-être dès le milieu de l'année 2023.
